Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.0000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Bayesian Inference for Partially Identified Models
Exploring the Limits of Limited Data
Paul Gustafson
121,95 €
+ 243 points
Format
Description
Bayesian Inference for Partially Identified Models: Exploring the Limits of Limited Data shows how the Bayesian approach to inference is applicable to partially identified models (PIMs) and examines the performance of Bayesian procedures in partially identified contexts. Drawing on his many years of research in this area, the author presents a thorough overview of the statistical theory, properties, and applications of PIMs.
The book first describes how reparameterization can assist in computing posterior quantities and providing insight into the properties of Bayesian estimators. It next compares partial identification and model misspecification, discussing which is the lesser of the two evils. The author then works through PIM examples in depth, examining the ramifications of partial identification in terms of how inferences change and the extent to which they sharpen as more data accumulate. He also explains how to characterize the value of information obtained from data in a partially identified context and explores some recent applications of PIMs. In the final chapter, the author shares his thoughts on the past and present state of research on partial identification.
This book helps readers understand how to use Bayesian methods for analyzing PIMs. Readers will recognize under what circumstances a posterior distribution on a target parameter will be usefully narrow versus uselessly wide.
Spécifications
Parties prenantes
- Auteur(s) :
- Editeur:
Contenu
- Nombre de pages :
- 196
- Langue:
- Anglais
- Collection :
Caractéristiques
- EAN:
- 9781439869390
- Date de parution :
- 01-04-15
- Format:
- Livre relié
- Format numérique:
- Genaaid
- Dimensions :
- 157 mm x 234 mm
- Poids :
- 408 g
